用于优化小区专用天线配置参数的方法和设备与流程

相关专利

本申请要求受益于2014年12月9日提交的申请号为62/089,654的美国临时申请、2015年12月8日提交的序号为14/963,062的美国专利申请、2014年12月23日提交的申请号为62/096,439的美国临时申请、2014年12月17日提交的申请号为62/093,283的美国临时申请、2015年1月5日提交的申请号为62/099,854的美国临时申请和2015年1月5日提交的申请号为62/100,003的美国临时申请，以上所有申请在此通过引用并入本文。

本申请总体上涉及自组织网络和覆盖容量优化，并且更具体地，涉及一种用于优化小区专用天线配置参数的方法和装置。

背景技术：

自组织网络(son)是一种自动化技术，旨在使移动无线接入网络的规划、配置、管理、优化和恢复更快更简单。son功能和行为已在由诸如第三代合作伙伴计划(3gpp)和下一代移动网络(ngmn)的组织制定的普遍接受的移动行业推荐规范中进行了定义和规定。son被认为对运营商在未来十年(即物联网时代)满足数据爆炸性需求的策略至关重要。son有必要为小小区(smallcell)驱动的异构网络(hetnet)以可扩展的方式实现自动操作和性能优化。随着son的演进，它将会在由“智能”预测分析算法支撑的云端大数据平台上运行。

覆盖容量优化(cco)是son运用的一种情况，该情况下，初步配置和调整部署后的关键rf参数(天线倾角和方位角配置以及功率)以最大限度的提高用户体验质量(qoe)(具体地，覆盖、质量和容量)，并适应变化的业务模式和变化的环境。cco预计在以小时/天为顺序长时间运行，以捕获业务量和环境的长期或周期性变化并对此作出反应，同时还可以进行充足的数据收集，以准确观察和估计cco性能。

目前的cco方案被称为自动小区规划(acp)。acp使用通过辅助全球定位系统(agps)获取的用户设备(ue)地理位置数据和用于准确传播建模的精确天线配置参数的测量报告(mr)和路测(dt)数据。然而，作为建模方法，acp需要昂贵的驱动测试和人工验证。对于acp，重要的是要知道ue的位置，获得精确的天线配置参数会受人工误差的影响。此外，acp对小小区和hetnet而言不可扩展，因为设置和验证需要过多手动操作。

技术实现要素：

由上可知，本领域技术人员可以理解，需要一种cco技术，该技术不要求ue位置、精确的天线配置参数以及离线建模。本申请提供的用于优化小区专用天线参数配置的方法和装置大大减少或基本上消除了与当前soncco解决方案相关联的问题和缺点。

根据一个实施例，提供了一种用于调整小区专用天线配置参数的方法，该方法包括：在网络中的多个无线接入节点的每个无线接入节点处接收来自多个用户设备的测量报告。响应于所述测量报告，在每个无线接入节点处对一个或多个天线的配置参数进行基础增量调整。接收来自所述增量调整后的多个用户设备的附加测量报告。响应于先前的增量调整后的测量报告，继续对所述无线接入节点处的所述一个或多个天线的所述配置参数进行基础增量调整，直到到达改进极限。响应于所述改进极限，对所述无线接入节点处的所述一个或多个天线的所述配置参数进行偏置随机调整，直到实现期望的最优结果。

本申请描述了相对于传统系统行为和性能分析技术的多项技术优势。例如，一项优势是提供一种基于来自实际网络而非通过模型网络的uemr数据的闭环优化过程。另一项技术优势是提供无需ue位置或天线配置信息的优化。本领域技术人员从以下附图、说明书和权利要求中可以显而易见地看出其他技术优势。

附图说明

为了更完整地理解本发明及其优点，现在结合参考附图进行如下描述，其中同一附图标记表示相同的部分，其中：

图1示出了长期演进(lte)网络的示例；

图2示出了用于优化小区专用天线配置参数的示例过程；

图3a-3e示出了针对多个lte网络对干扰小区进行分类的全局历史数据的示例图表；

图4a-4e示出了将小区分为过冲小区的示例图表；

图5示出了由优化过程执行的模拟退火过程的示例的绘图；

图6示出了将网络性能作为功率和下倾角参数的函数的绘图；

图7a-7e示出了通过优化过程的基础增量调整阶段中的各种迭代，lte网络中覆盖和质量参数的变化；

图8示出了通过优化过程的基础增量调整阶段的各种迭代的目标函数的绘图；

图9示出了通过优化过程的偏置随机调整阶段的各种迭代的目标函数的绘图；

图10示出了可以在lte网络中实现的示例处理系统的框图；以及

图11示出了适用于实现本文公开的一个或多个实施例的通用计算组件的简化的示例。

具体实施方式

以下对图1至图11的描述以及用于描述本专利文件中本申请的原理的各实施例仅是作为示意性的描述，不应以任何方式解释为对本申请的范围的限制。本领域技术人员理解，本申请的原理可以在任何类型的适当排列的设备或系统中实现。一个附图中所示出和描述的特征可以在一个或多个其他附图中适当地实现。

图1示出了长期演进(lte)网络100的示例。lte网络100是旨在向移动电话以及其它类型的设备等的用户设备(ue)提供宽带互联网和电话服务的一种无线通信网络。lte网络上的语音呼叫被转换成小的数据块，这消除了对独立语音电路的需求。这类网络通常作为“4g”销售，并且能够提供与有限带宽服务相当的速度。他们还提供增加的容量，可以帮助无线载波应对智能手机和其它设备所使用的日益增长的数据量。虽然是关于lte网络100的描述，但是本申请还可以应用于其他已知的或未来的无线通信网络。

在图1的示例中，lte网络100被划分为由19个演进节点b(enb)无线接入节点102提供的多个小区。enb无线接入节点102为多个ue设备104提供服务。lte网络100内运行的enb无线接入节点102和ue设备104的数量可以大于或小于图1中所示的数量。每个enb无线接入节点102负责在一个或多个小区中与ue设备104之间的无线发送和接收。每个enb无线接入节点102控制其所在小区的无线资源，并对无线环境进行配置和测量。

图2示出了lte网络100中用于优化性能的过程200。通常，过程200在线递增地、联合地且每个集群的调整天线配置参数。从过程200中看出，从ue设备104发送的测量报告(mr)中得到结果反馈后，并在闭环中进行长期优化。天线配置参数包括电倾角、方位角和参考符号功率。以mr形式而非传播模型估计形式使用来自实际ue设备104的反馈。本领域已知，mr可以包括多个ue相关参数和小区相关参数，例如小区id、参考信号接收功率(rsrp)、参考信号接收质量(rsrq)、服务小区id以及时间提前量参数。mr中的信息用于更新表示网络性能的目标函数，识别小区状态指示符指标/标签、以及对性能进展进行步进式天线配置参数调整。本领域已知，可以使用目标函数优化可测量数量、参数或特征，例如网络性能。此处，所公开的目标函数可用于网络性能的优化。

过程200中，无需知道ue设备104在lte网络100中的位置，也无需知道精确的天线配置参数值，以便优化性能。这与需要每个小区中精确的用户位置和正确的天线配置参数值的传播模型辅助方案(例如acp)形成对比。因为正确的配置参数值是未知的，即使初始的配置参数是错误的，天线配置参数值仍可以向有意义的方向调整，因为参数变化导致小区/系统指标的可测量变化。只要来自代表性的ue设备104(例如，根据无偏随机样本选择的ue设备104)的mr(rsrp、rs-sinrrsrq)可用于给定的天线配置参数变化，目标函数就可以被准确估计。

在所公开的实施例中，被判定为已经使覆盖准则(例如由于报告的参考信道信号强度不满足预定义的阈值)或质量准则(例如，由于报告的参考信道质量，即信噪比不满足另一预定义的阈值)“失效”的每个mr将该失效的“责任”概念性单位分配给“有责任的”小区或各小区。如果多个小区负有责任，则向每个有责任的小区分配“责任”的各分数单位(或“责任份额”)。当所有“失效”的mr聚合后，可以计算出每个小区的责任指标，小区可以根据该责任指标采取基础增量措施(例如，天线倾角调整或发射功率调整)以降低mr失效发生的比率。

过程200采用了两个闭环阶段——基础增量调整阶段205和偏置随机调整阶段209。在基础增量调整阶段205中，根据mr计算小区级特征或责任指标，可选地或另外，根据覆盖状态、质量状态、干扰状态或过冲状态(更为详细的描述参照以下关于图4a-4e的描述)对小区进行标记，基于同时应用于多个小区的领域知识，这些小区映射到天线配置参数的“直观正确”的调整方向，以便快速获取大的初始增益。mr被处理，以得出表明各小区的对于指示覆盖或质量不足的测量报告的责任份额的小区级指标。小区级指标确定对该小区的天线配置参数进行何种基础增量调整。可选地或另外，mr被处理，以得出指示每个小区的覆盖、质量、干扰或过冲状态中的任一种的直观的小区标签或小区标签组合。附属于小区的一个或多个标签确定对该小区的天线配置参数进行的基础增量调整。

偏置随机调整阶段209表示执行探索技术和选择对立或随机初始方向的数学搜索过程。当目标函数被改进、随着目标函数变差改进目标函数的概率降低，以及随着时间的推移(冷却)，调整被接受以稳定地改进方案。随着时间的推移，可以从错误中学习探索方向，并且在之后的探索过程中选择针对给定的小区状态学得最好的措施(从最大化瞬时或累积奖励的意义上而言)。探测的关键点在于系统目标函数和小区级指标是ue状态信息(mr)的聚集，该聚集不需要评估各ue的位置，涉及到参数变化，但不涉及绝对值。

过程200从方框202开始，接收来自ue设备104的mr。方框204触发优化过程的启动。优化可以根据网络条件手动触发，也可以基于lte网络100中的关键绩效指标(kpi)自动触发。kpi的示例包括掉话率和呼叫阻塞率。还有本领域技术人员知晓的其他kpi。如果kpi的分析识别出了网络性能的降级，则优化被触发。当触发优化时，过程200继续进行包括方框206和208的基础增量调整阶段205。

在基础增量调整阶段205中，方框206中使用mr确定天线配置参数调整的方向(即，上调还是下调天线配置参数)。只有变化的方向被确定，而天线配置参数的具体的当前值或初值不用被确定。可以通过多种方式确定调整的方向。在一个示例中，每个天线配置参数的变化的方向通过责任措施指标来确定，其中ue设备104的主要规则提供指示相应参数在一方向(向上或向下)上的某种变化的mr。在另一个示例中，基于从ue设备104接收到的mr，使用小区状态标记来每个小区。一个小区可以给定用于识别该小区状态一个或多个标签，例如干扰、非干扰、良好覆盖/弱覆盖、高质量/低质量、过冲以及非过冲。其中，干扰指小区中的下行链路的干扰。这些标签通常基于与一个或多个阈值的比较进行确定。这些阈值的精确确定不在本申请范围内。根据为特定小区给定的标签确定与该特定小区相关联的天线配置参数的方向的变化。

图3a-3e示出了针对多个lte网络对干扰小区进行分类的全局历史数据的示例图表。基于组集群中的组员关系为小区给定干扰标签。全局历史数据基于经受特定小区的干扰的邻近小区的数量，将小区分为非干扰、单干扰或多干扰小区。根据小区所属的分类确定其干扰标签。根据为特定小区给定的干扰标签的类型确定对小区的天线配置参数进行调整的方向。对天线配置参数进行调整后，小区基于从ue设备104返回的mr可以归属到不同的干扰类别中。图3a-3e示出了基础增量调整阶段205的不同的迭代过程中小区是如何跨干扰分类移动的。例如，从图3a-3e中的较大圆点可以看出，许多较大的圆点通过迭代9(图3d)向无干扰状态改进，但是之后产生了更大干扰，并且在迭代10中移动到多干扰状态。

图4a-4e示出了将小区分为过冲小区的示例图表。在一个示例中，过冲小区是向ue设备104提供高参考信号接收功率(rsrp)的小区，其位于与ue设备104有一些距离的地方。也就是说，过冲小区造成了来自相对较远距离(比邻近小区远)的明显干扰。标为过冲小区可以以特定方向调整天线配置参数(例如，向下的功率或下倾角)。对天线配置参数进行调整后，基于来自ue设备104的新mr，小区可以脱离过冲状态或进入过冲状态，其中新mr是在对天线配置参数进行调整后确定的。图4a-4e示出了基础增量调整阶段205中不同的迭代过程中小区是如何进入和脱离过冲状态的。

小区的天线配置参数每次发生变化后，根据方框208中接收新mr计算用于网络优化的目标函数，以确定网络性能是否得以改进。目标函数是基于诸如rsrp的覆盖参数和诸如参考信号的信噪比(rs-sinr)的质量参数的。目标函数通过识别rsrp参数大于第一阈值的那些mr和识别rs-sinr参数大于第二阈值的那些mr来确定的。在一些实施例中，目标函数根据以下方程式计算：

k1*(rsrp>阈值1)的数量+k2*(rs-sinr>阈值2)的数量

其中，k1和k2是非负数，相加等于1.0，并且是预先确定的，例如，通过系统用户(例如网络工程师)预先确定或在配置程序中自动确定。只要网络性能如目标函数的增加所指示的那样进行改进，那么过程200就会通过方框206和208中的基础增量调整阶段205循环。

方框208中一旦识别目标函数为减少，基础增量调整阶段205就会结束，包括方框210、212和214的偏置随机调整阶段209则开始。在偏置随机调整阶段209中，进行模拟退火(simulatedannealing)，其中对天线配置参数进行随机方向改变，进行混沌跳跃(chaoticjump)以避免出现局部最小值位置，以便稳定地改进目标函数接近全局最优水平。目标函数得到改进后，偏置随机方向变化被接受。如果目标函数减小，则使用概率因子来确定是否接受随机方向变化。表i示出了模拟退火算法的示例。

表i

图5中通过绘图500表示出了偏置调整阶段209中执行的模拟退火过程的示例。模拟退火过程可以识别局部最大值502，可以执行混沌跳跃(从跳位1到跳位2)，以便定位全局最大值504。其中，最大值502、504是上述目标函数的已确定的最大的值。在本申请中，方框210中确定和执行偏置随机调整。偏置随机调整后，方框212中新mr被接收并用于计算目标函数。方框214中基于至少重新计算的目标函数进行确定是接受还是放弃调整。如果偏置随机调整被放弃，则当过程200返回到方框210时，可替换的偏置随机调整被确定。偏置随机调整阶段209通过方框210、212和214继续进行闭环运行，微调参数，直到达到全局最大值的收敛。

图6示出了天线配置参数功率和下倾角如何影响网络性能(通过目标函数来测量)的绘图600。过程200的目标是从起始点602开始识别期望的最优网络性能水平608。过程200并不知道特定的起始点602。通过基础增量调整阶段205迭代将会达到第一中等网络性能水平604。然后偏置随机调整阶段209开始执行混沌跳跃以识别期望的最优网络性能水平608，可能会经过一个或多个第二中等网络性能水平606。

图7a-7e示出了通过基础增量调整阶段205的若干迭代测量报告中提供的两个参数的变化。第一个测量参数是rsrp。rsrp是信号强度的测量值，用于识别由enb无线接入节点102发送和ue设备104接收的参考信号的信号电平。rsrp由ue设备104用于小区选择和小区重新选择过程，并被报告给网络以助于切换过程。rsrp被定义为在考虑的测量频率带宽内对承载的小区专用参考信号的资源元素的功率分布的线性平均。第二个测量参数是rs-sinr。rs-sinr是信号质量的测量值，用于量化rf条件和吞吐量之间的关系。ue设备104通常使用rs-sinr以计算向网络报告的信道质量指示(cqi)。rs-sinr指示测量的可用信号的功率、来自当前系统中其他小区的测量信号的功率或信道干扰信号、以及测量带宽和接收机噪声系数相关的背景噪声。虽然本申请主要讨论rsrp和rs-sinr，但是测量报告中还提供了使用在lte网络100运行中的其他参数。

如图7a-7e所示，随着enb无线接入节点102在该过程中进行迭代并对天线配置参数进行基础增量调整，测量参数rsrp和rs-sinr通过每一次连续迭代进行改进。在基础增量调整阶段205中的某个点处，目标函数缺乏增长时，性能特征就会开始降级。缺乏增长(以及可能的降级)称为改进极限。例如，在图7d的迭代9和图7e的迭代10之间，lte网络100的某些区域中rsrp和rs-sinr值开始减小。

图8示出了通过基础增量调整阶段205中的迭代的目标函数的变化的绘图800。迭代序号1、4、7、9和10与图7a-7e所示的参数调整的结果相对应。通过目标函数值的快速增加表明基础增量调整快速改进lte网络100内的性能。连续性能改进的趋势继续向上，直到到达某个点。在诸如lte网络100所提供的复杂、非线性以及噪声注入数据环境中，对天线配置参数的基础增量调整将会达到改进极限，此时，目标函数值没有增加(或仅有少量增加)，还可以提供改进拟合(例如目标函数值的减小)。当识别到性能的降低超过期望的阈值水平，基础增量调整阶段205就会结束，偏置随机调整阶段209则开始。在图8的示例中，目标函数所表示的性能在迭代9和迭代10之间出现降低。大约在迭代9处达到改进极限。

图9示出了通过偏置随机调整阶段209的迭代的目标函数变化的绘图900。随着偏置随机调整阶段209期间调整被接受和放弃，目标函数的改进出现向上漂移，并一路出现小幅振荡。偏置随机调整阶段209继续进行，直到达到代表全局最大值的最优点902，例如图3的全局最大值304或图4的期望的最优网络性能水平408。

图10示出了适配于通过电信网络100发送和接收信令的收发器1000的框图。如本文实施例所描述的，一个或多个收发器1000可以在被配置用于优化小区专用天线配置参数的enb无线节点102中实现。如图所示，收发器1000包括网络侧接口1002、耦合器1004、发射器1006、接收器1008、信号处理器1010和设备侧接口1012。网络侧接口1002可以包括适配于通过无线或有线电信网络100发送或接收信令的任何组件、电路或其组合。耦合器1004可以包括适配于通过网络侧接口1002便于双向通信的任何组件或组件的集合。发射器1006可以包括适配于将基带信号转化成适于通过网络侧接口1002传输的调制载波信号的任何组件或组件的集合(如上变频器、功率放大器等)。接收器1008可以包括适配于将通过网络侧接口1002接收的载波信号转化成基带信号的任何组件或组件的集合(如下变频器、低噪声放大器等)。信号处理器1010可以包括适配于将基带信号转化成适于通过设备侧接口1012通信的数据信号的任何组件或组件的集合，反之亦然。设备侧接口1012可以包括适配于在主设备(如ue设备104、局域网(lan)端口等)中信号处理器1010与的组件间传送数据信号的任何组件或组件的集合。

收发器1000可以通过任何类型的通信介质发送和接收信令。在一些实施例中，收发器1000通过无线介质发送和接收信令。例如，根据无线电信协议，如蜂窝协议(例如长期演进(lte)等)、无线局域网(wlan)协议(例如wi-fi等)或任何其他类型的无线协议(例如蓝牙、近场通信(nfc)等)，收发器可以是适配于通信的无线收发器。在此类实施例中，网络侧接口1002包括一个或多个天线/辐射元件。例如，网络侧接口1002可以包括单个天线、多个分离的天线或被配置用于多层通信的多天线阵列，如单输入多输出(simo)、多输入单输出(miso)、多输入多输出(mimo)等。在其他实施例中，收发器1000通过诸如双绞线电缆、同轴电缆、光纤等的有线介质发送和接收信令。具体的处理系统和/或接收器可以使用所示的所有组件，或仅仅组件的子集，并且集成程度可以随设备的变化而变化。

图11示出了适用于实现本文公开的一个或多个实施例的通用计算组件1100的简化的示例。上述用于优化小区专用天线配置参数的一些特征和实施例可以在任何通用计算组件上实现，诸如具有足够处理功率、存储资源和网络吞吐量能力的计算机或网络组件，以处理置于其上的必要的工作量。例如，计算组件1100可以在每个enb无线接入节点102中或在网络级别的集中式服务器中实现，以执行本文所述的特征。计算组件1100包括与包括辅助存储器1104、只读存储器(rom)1106和随机存储器(ram)的存储器设备通信的处理器1102(可以称为中央处理器单元或cpu)、输入/输出(i/o)设备1110、和网络/组件连接设备1112。处理器1102可以被实现为一个或多个cpu芯片，或者可以是一个或多个专用集成电路(asic)的一部分。

辅助存储器1104通常包括一个或多个磁盘驱动器或磁带驱动器，用于数据的非易失性存储，并且如果ram1108不足够大以保存所有工作数据，则用作溢出数据存储设备。当加载到ram1108中的程序被选择用于执行时，辅助存储器1104可以用于存储这类程序。rom1106用于存储在程序执行期间读取的指令和可能的数据。rom1106是非易失性存储器设备，其相对于辅助存储器1104的较大存储器容量通常具有小的存储器容量。ram1108用于存储易失性数据并且可能存储指令。对rom1106和ram1108的访问通常比对辅助存储器1104的访问快。

总之，分析辅助的全自动闭环自组织网络提供了用于解决大规模接近实时网络优化问题(son使用情况)的总体框架。本文公开的优化过程通过uemr和小区kpi的实时反馈使用机器学习分析在线学习环境，以向小区分配可操作指标。该优化过程使内部算法参数(如指标阈值)自适应变化的环境(数据)，并且学习给定状态下给定小区的正确措施规则。领域专业知识和复杂的过程(探索性和学习型的优化)被分阶段结合，以确定联合纠错的措施。该方法与使用基于特定工程知识的规则和不可靠的模型的其他方法形成对比。与昂贵且不可靠的基于ue位置的优化技术相比，该优化过程对于工程参数数据库错误和缺乏ue位置的知识是鲁棒的，且具有最小的建模假设。

因为优化过程使用机器学习的小区标签或责任指标和工程知识指导的小步骤措施，所以该优化过程是自驱动的，以提取网络性能中的快速初始增益。为了进一步优化，以平衡奖励和探索风险的偏置随机方式采取措施。优化过程随着时间从错误或错误的决定中学习，最终为给定的小区状态选择最佳措施。因此，整个过程很迅速，且胜过被多小区复杂的交互所困扰的工程师。该优化过程通过减少对优化工程师、昂贵的驱动测试和模型校准的需求，提供了成本效益的解决方案。优化过程可以容易地扩展到优化诸如信道功率偏移和cco&负载平衡(cco+lb)场景的附加cco参数。该优化过程用于包括适应蜂窝网络和业务量变化的各种场景，并且该优化过程可以容易地转移和扩展到其他通信领域和部署。

用于调整小区专用天线配置参数以改进网络性能的系统包括用于在网络中的多个无线接入节点的每个无线接入节点处接收来自多个用户设备的测量报告的接收模块。该系统还包括响应于测量报告，在每个无线接入节点处对无线接入节点处的一个或多个天线的配置参数进行基础增量调整的调整模块，其中，测量报告被处理以得到调整所基于的以下参数的一个或多个参数：表明各小区的对于指示覆盖或质量不足的测量报告的责任份额的小区级指标，以及指示每个小区的覆盖、质量、干扰或过冲状态中的任一种的小区标签组合。系统接收模块用于在每个无线接入节点处接收来自增量调整后的多个用户设备的附加测量报告，并且响应于先前的增量调整后的测量报告，继续对无线接入节点处的一个或多个天线的配置参数进行基础增量调整，直到达到改进极限。系统调整模块还被配置为响应于改进极限，根据使覆盖和质量的目标函数最大化的数学搜索过程对无线接入节点处的一个或多个天线的配置参数进行调整，直到实现期望的目标函数值或达到一定的迭代次数，或直到没有进一步切实的改进。

在一些实施例中，一个或多个设备的全部或部分功能或过程可以通过计算机程序来实现或提供，该计算机程序由计算机可读取程序代码组成，并体现在计算机可读取介质中。术语“计算机可读取程序代码”包括任何类型的计算机代码，包括源代码、目标代码和可执行代码。术语“计算机可读取介质”包括计算机能够访问的任何类型的介质，例如只读存储器(rom)、随机存取存储器(ram)、硬盘驱动器、光盘(cd)、数字视频光盘(dvd)、或任何其它类型的存储器。当执行时，计算机程序可以检测可信轨迹，将核心轨迹转换成分层格式，生成基因功能数据库，并确定与基因功能相关联的抢占成本。

对本专利文件全篇所用的某些词汇和术语进行定义是有利的。术语“包含”和“包括”及其派生词是指包括但不限于。术语“或”包括和/或。术语“与……关联”和“与此相关”及其派生词指包括、包括于…内、与其关联、包含、包含于...内、连接到或连接于、联结到或联结于、与…通信、与…协作、交错、并置、邻近于、被绑定到或被绑定于、具有、具有…属性等。

虽然本申请描述了一些实施例和通常相关联的方法，但显然本领域技术人员可以对这些实施例和方法进行修改和置换。因此，本申请并不限定或约束以上所述实施例。其它可能的变化、替换和修改，在不脱离本申请的精神和范围的前提下，均包含在所附的权利要求书中。